arXiv · 机器人与计算机视觉· Vito Recchia, Giuseppe Guarino, C\'assio Fraga Dantas, Giuseppina Andresini, Annalisa Appice, Dino Ienco·· 8 天前AI 评分46
CroCoMAE:一种用于 SAR-光学遥感数据的跨模态自监督协同表征学习框架
CroCoMAE: Cross-modal self-supervised collaborative representation learning for SAR-optical remote sensing data
AI 导读
CroCoMAE 提出了一种基于 ViT 架构的跨模态自监督学习框架,通过图像级对比学习与 Patch 级掩码建模统一处理 SAR 与光学数据。该模型在场景分类和语义分割两个基准上,优于单模态自监督基线及主流跨模态框架,尤其在少标签条件下显著提升语义分割性能。代码与权重暂未公开,论文状态为 arXiv 预印本。
来源:arXiv · 机器人与计算机视觉 · arxiv.org